《五变化检测宋妍》由会员分享，可在线阅读，更多相关《五变化检测宋妍（40页珍藏版）》请在金锄头文库上搜索。
1、遥感影像变化检测n遥感发展现状以及趋势传感器的改良信息处理手段的提高应用的不断扩展n如果运用遥感数据“能够解决什么时间（when）什么地点（where）什么物体（whatobject）发生了什么变化（whatchange），遥感的实用化就向前迈进了一大步n变化检测解决什么变化的问题变化检测定义变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程。遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程。遥感变化检测是遥感瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。变化检测的研究意义多时相遥感影像变化检测技术：更新地理数据的关键技术评估灾害、预测灾害发
2、展趋势的关键技术土地覆盖利用监测的关键技术新一代智能型对地观测卫星的关键技术变化检测流程步骤任务要点工程定义和描述定义应用问题，确定研究区域和研究对象，明确研究目标数据获取根据应用要求选取合适的遥感影像及辅助数据数据预处理影像镶嵌、影像剪裁、几何校正、辐射校正变化检测选用合适的方法，提取和分析变化信息，生成变化分布图精度评估评价变化检测的结果精度产品输出各种变化检测结果，包括图件、表格、文档等的制作输出。检测对象对数据空间分辨率要求n对于大尺度地物，如土地，森林，城市，河流的变化检测，一般10米1000米的低分辨率的图像可以满足要求n对于人工目标，如房屋，道路等地物的变化检测，需要1米5米甚至
3、更高分辨率图像才能进行。n检测机场上的弱小目标毁伤变化等人工目标的局部弱小变化，则需要低于1米或更高分辨率图像n对地图进行修侧，选择遥感图像分辨率必须满足地图成图比例尺的需要。n并非分辨率越高就越好，因为高分辨率图像虽然可以提供更好的检测精度，但是增加了数据量和成本，大量的细碎的地物细节可能加重变化检测负担。变化检测对数据光谱分辨率要求n变化检测的基本假定：在IFOV内的目标在两个时相内发生变化，那么该像元在两景影像中的光谱响应就会有差异n最好选择相同的传感器进行变化检测n选择波段基本一致的数据：例如SPOT4：第一波段0.50-0.59um与etm+的第二波段：0.525-0.605um光谱
4、分辨率越高，专题研究的针对性越强，对地物的识别精度就越高，检测的精度就越高。如果波段分得过细，各波段数据间的相关性很大，数据严重冗余现有技术条件下如果要求较高的光谱分辨率，则空间分辨率就比较低，可能会降低变化检测的精度。提取出不同的地物指数，如植被指数，水体指数等进一步增强特定地物，抑制其它地物，有助于检测该类地物的变化。n影像分辨率主要决定于瞬时视场(IFOVinstantaneousfieldofview)角和成像高度。瞬时视场角越小、飞机航高越低，地面分辨单元越小，分辨率就越高。nIFOV值小意味空间分辨率越高。nIFOV值大意味着辐射分辨率越高。n因为当传感器接受地面反射能量时，探测器
5、上聚焦的总能量更大；由于这种高信号使得传感器对地面辐射率的测量更加敏感，其结果是辐射分辨率更高或者说是区分微小的能量的能力方面有所提高n传感器的设计IFOV应该在空间分辨率与辐射分辨率中折中变化检测需要考虑的环境因素n大气条件云层的覆盖范围在0%20%之间云使得影像模糊，云的阴影造成地物信息的损失消除大气衰减的影响消除山区地形的影响n土壤湿度情况土壤过干或者过湿，降水量数据对变化检测同样很重要n物候周期特征（熟悉研究对象的周期特征）n潮位对变化检测的影响国内外研究现状影像配准方法研究现状匹配要素：基于面的方法以及基于特征的方法匹配策略：根据选择的要素，制定合适的匹配策略配准方程解算：目前多采用
6、最小二乘的方法进行解算重采样：三种重采样的方法，其中以双线性插值最为常用多视分析多模态分析多时分析多模态多时分析人们进行了诸多改进，使影像的配准由基于影像低层特征（点特征）的方法向基于中、高层特征（边缘、轮廓、线）的方法发展，从基于全局函数纠正向基于局部变形分块纠正的方向发展国内外研究现状遥感影像变化检测方法研究现状nSingh(1989)最早进行遥感影像变化检测综述nCoppin(1996)从森林监测的角度讨论了遥感影像变化检测的方法n李德仁(2003)根据图像配准和变化检测的数据源两个因素将变化检测方法分为两大类七种方法nLu(2005)等按照检测策略将现有的变化检测方法归结为七类：算术运
7、算法、变换法、分类法、高级模型法、GIS方法、视觉分析法和其它方法n夏松(2006)在Lu的基础上对各种方法进行了进一步的扩充n马国锐(2007)将变化检测按照不同目的、不同数据类型、不同维数、不同策略、以及不同的时间维以及不同的过程变化检测，进行了归纳总结国内外研究现状遥感影像变化检测方法研究现状直接比较检测法和分类后比较法两类像元级变化检测、特征级变化检测以及决策级变化检测差异影像的构成方法：1.基于影像差分的方法2.基于图像回归法的方法3.基于图像比值法的方法4.变化向量分析法5.基于波段变换的方法直接比较检测法算术运算法变化特征的选择：光谱、边缘、纹理差异影像的构成：变化检测策略的选择
8、：依据模式识别的理论方法变化检测精度评价：定性评价，定量评价。遥感影像变化检测方法内涵与实质n变化检测看作一种特殊的分类问题，即对所构成的差异影像进行二值分类的问题。实际上，现有的许多变化检测方法就是从二值分类方法发展演化而来。n直方图形状信息的方法、聚类的方法、影像熵信息的方法、物体特征的方法、影像空间信息的方法（运用影像的空间信息或者像素间的相关系数）、基于影像局部特征的方法。目视变化检测方法n原理：对于多光谱影像，如果两期影像未发生变化，则将t1的红波段与绿波段放入R与G通道，将t2的蓝波段放入B通道，假彩色合成的结果与原先的结果一致或者接近；否则假彩色合成的结果将出现明显的异常。通过这
9、种方式目视判读变化检测多时相合成影像变化检测方法n原理：将两期影像合成为一副光谱维数更高的影像，此时每个像素在更高维数的特征空间内表示出来。对这样的影像进行聚类分析（非监督分类的方法）。判断聚类后各个结果，赋予其类属（变化或者未变化）n基于主成分变化的变化检测方法：将多时相影像复合，作主分量变换，得到的分量中除第一主成分外的次要分量能够反映变化信息，称之为复合主成分分析法。主要的缺点：解译和标识每个成分的影像很困难n对两时相影像分别作主成分变换，再对计算对应主成分分量间的差值，称为主成分差值分析法n先求两时相影像间的差值，再对多元差值影像作主成分变换，这叫做差值主成分分析法基于影像差分的方法n
10、将经过配准的影像对，进行直接相减的运算，从而获得差分影像。在此基础上运用变化检测策略，提取其中的变化区域。n实质是通过分析反映地物光谱值的改变来实现变化检测。n通过人工选择阈值的方法，进行变化检测的判断。n研究者比较了循环分割法、最大类间方差自动阈值、最佳熵自动阈值、矩不变自动阈值四种简单的二值分割方法在变化检测中的效果循环分割法n该方法是图像分割中所有阈值处理技术中最简单的，是使用单一的全局门限分割图像的直方图。n1）选择T0的初始估计值T。对8位灰度图像一般取128。n2）用T分割图像。这样做会产生两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。n3）
11、对G1和G2中所有像素计算平均灰度值u1和u2n4）按式重新计算新的门限值：T=(u1+u2)2n5）重复步骤2)到4)，直到逐次迭代所得到的T值之差小于1，所得到的阈值T即为最佳的阈值T0。最大类间方差自动阈值n对于差分影像而言，影像中存在两个类别变化类别与未变化类别。n从模式识别的理论来看，不同的阈值导出了不同的类别分离性能，只有最佳的阈值才给出最佳的类别分离性能。nWn：代表未变化类别在差分影像中所占比例nWc：代表变化类别在差分影像中所占比例nu为差分影像的均值最佳熵自动阈值n信息论中用熵作不确定性的度量，当将Shannon熵概念用于图像分割时，通过研究图像灰度直方图的熵测量，由此自动
12、找出分割图像的最佳阈值n熵的定义：其中pi为灰度级i的出现概率。当取阈值为t时，可以求得未变化类与变化类的分布，以及两种分布的熵。使得两者之和最大的即为最佳熵阈值n循环分割法与最大类间方差的结果（65）KSW熵检测结果(58)基于最小错误率的贝叶斯决策理论n在模式分类问题中，人们往往希望尽量减少分类的错误，从这样的要求出发，利用概率论贝叶斯公式，就能得出使错误率为最小的分类规则，称之为基于最小错误率的贝叶斯决策。n差值后的图像XD可以认为分为变化和未变化两类，分别用Wn和Wc表示，记它们先验概率分别为p(Wn)和p(Wc)，随机灰度值x在Wn和Wc中出现的概率p(xWn)，p(xWc)称为似然
13、概率密度函数。变化向量分析法(changevectoranalysis)n变化向量分析法是简单差分法扩展而来，是简单差分的方法在多光谱影像中的形式，CVA方法对不同期的影像各个波段的数据进行差值运算，求得每个像素在各个波段的变化量，由各个波段的变化量组成变化向量。n变化向量中，变化的强度用变化向量的欧氏距离表示，变化的内容用变化向量的方向表示。n变化向量分析法可以利用全部的波段来探测变化像元，因此避免了单一波段比较带来的信息不完整，而且可以通过变化向量的方向提供变化类型的信息，但是随着波段数的增加，变化类型的判断会很困难。同简单差分法类似，如何选择合适的变化阈值，是该类方法研究的重点。基于图像
14、回归法的方法n假设两期影像中未发生变化的像素之间的灰度值满足线性关系，通过解算回归模型的参数，从前一时期的影像来估计后一时期对应位置的光谱值；如果该位置的像素发生了变化，则该像素不遵循回归模型，从而完成变化检测。n基于图像回归法的方法实际上是将相对辐射校正的理论运用在变化检测中，认为两期影像中能够满足相对辐射校正方程的像素是未变化的，否则便是发生了变化。基于图像比值法变化检测n对不同时期影像配准好的影像，进行比值运算，根据比值大小和具体应用优选变化阈值，从而提取变化区域的方法。n该方法的有点是，可以消除一部分由于太阳高度角、阴影和地形起伏引起的乘性误差的影响，而且经过运算的影像往往不服从正态分
15、布，给分析带来困难。国内外研究现状遥感影像变化检测方法研究现状（续）分类后比较法评价：1.对不同期的影像进行分类，将分类后的结果进行比较分析，得到变化的结果。2.最大缺点：分类后比较的变化检测精度大致相当于每个时相分类精度值的乘积，3.每一时相单独分类结果中的误差会在比较过程中被进一步放大高分辨率影像变化检测方法：-空间分辨率提高，不同类型地物之间的光谱可分性(类间可分性)降低，使得仅凭借光谱特征很难将变化类和非变化类区分；-城市场景中复杂的生态环境和各种人造目标的复杂性(材料、形状的多样性等)，传统的变化检测方法很难有效地描述和比较这些复杂的对象；-遮挡和阴影的存在也是造成城市变化检测困难的
16、一个主要原因。国外：单期影像的分析上，面向对象的分类方法提高单期影像的分类精度；国内：融合不同的信息，提高变化检测的精度：NDVI植被指数，纹理信息、相关系数，阴影信息面向对象影像分类方法简介n像素级分类-基于影像对象的分类n影像对象：形状与光谱性质具有同质性的单个区域n影像对象能为影像分类提供更多有意义的信息（形状指数，均值，长宽比等）面向对象分类的大致流程影像对象的建立分割n通过影像分割的方法建立影像对象n影像分割大致可以分为两种方法：基于边界的算法以及基于区域的算法n缺点：大多数算法未能整合光谱信息和空间数据信息n异质性指数n光谱信息与形状信息的加权和nObj_1代表对象1，Obj_2代表对象2，算法开始时为相邻的像素，merge代表Obj_1与Obj_2融合后的对象nWc是每一波段的权重因子，c是每一波段的灰度标准方差，c是波段数，l是对象的实际边界长，n是对象的总体像元数，b是该对象外接矩形的最短边。创建影像对象(基元)的基本流程n算法是一种自下而上的区域合并技术，即首先从单个像素开始，随后将较小的对象
